enterprise-kb-rag/2.3_Milvus向量数据库/02_collection_operations.py

from pymilvus import DataType, MilvusClient

client = MilvusClient(uri="http://localhost:19530")


# 2 collection集合的操作
def operate_table():
    # 脚本可重复运行：先清理上一次留下的 collection
    if client.has_collection(collection_name='demo_v1'):
        client.drop_collection(collection_name='demo_v1')

    # 定义schema
    ## 注意：在定义集合 Schema 时，enable_dynamic_field=True 使得您可以插入未定义的字段。一般动态字段以 JSON 格式存储，通常命名为 $meta。在插入数据时，所有未定义的字段及其值将被保存为键值对。
    ## 在定义集合 Schema 时，auto_id=True 可以对主键自动增长id。
    schema = client.create_schema(auto_id=False, enable_dynamic_field=True)
    # # schema添加字段id, vector
    schema.add_field(field_name='id', datatype=DataType.INT64, is_primary=True)
    schema.add_field(field_name='vector', datatype=DataType.FLOAT_VECTOR, dim=5)
    schema.add_field(field_name='scalar1', datatype=DataType.VARCHAR, max_length=256, description='标量字段')

    # # 创建集合
    client.create_collection(collection_name='demo_v1', schema=schema)
    # # 设置索引
    index_params = client.prepare_index_params()
    # # 在向量字段vector上面添加一个索引；
    # index_type='',  # 留空以使用自动索引 —— 当前 pymilvus/Milvus Lite 版本要求显式指定 index_type，这里用 'AUTOINDEX' 代替课件里的空字符串写法
    # 对于向量字段，常见的默认索引类型包括IVF_FLAT或HNSW等，具体取决于数据的特性和查询需求。
    # 对于标量字段，常见的默认索引可能是INVERTED等。
    index_params.add_index(field_name='vector', metric_type="COSINE", index_type='AUTOINDEX', index_name="vector_index")
    client.create_index(collection_name='demo_v1', index_params=index_params)
    #
    # # 查看索引信息
    res = client.list_indexes(collection_name='demo_v1')
    print(f'索引信息-->{res}')

    # 当前 Milvus Lite 版本以字段名作为实际生效的 index_name（自定义的 index_name 不会生效），
    # 所以通过 list_indexes(field_name=...) 拿到真实的 index_name 再查询详情。
    vector_index_name = client.list_indexes(collection_name='demo_v1', field_name='vector')[0]
    res = client.describe_index(collection_name='demo_v1', index_name=vector_index_name)
    print(f'指定索引详细信息-->{res}')

    # 查看索引状态
    # client.load_collection(collection_name='demo_v1')
    # print(client.get_load_state(collection_name='demo_v1'))
    # 如果不需要索引，可以删除相关索引
    # client.release_collection(collection_name='demo_v1')
    # client.drop_index(collection_name='demo_v1', index_name='vector_index')

    # # 检索标量字段
    index_params1 = client.prepare_index_params()
    index_params1.add_index(field_name='scalar1', index_type='INVERTED', index_name='default_index')
    client.create_index(collection_name='demo_v1', index_params=index_params1)
    # #
    # # # 查看索引信息
    res = client.list_indexes(collection_name='demo_v1')
    print(f'索引信息-->{res}')
    #
    scalar_index_name = client.list_indexes(collection_name='demo_v1', field_name='scalar1')[0]
    res = client.describe_index(collection_name='demo_v1', index_name=scalar_index_name)
    print(f'指定索引详细信息-->{res}')


if __name__ == '__main__':
    operate_table()